Голосовой ИИ-агент: как он отвечает на звонки

Телефон — единственный канал, где клиент слышит, как компания думает. В переписке паузу в четыре секунды никто не заметит. В звонке она звучит как неловкость, и человек начинает переспрашивать: «Алло?»

Поэтому голосовой агент — не «тот же бот, только вслух». Требования к нему другие, и ломается он в других местах.

Что такое голосовой ИИ-агент

Голосовой ИИ-агент — это программа, которая ведёт телефонный разговор вместо сотрудника: слышит речь клиента, формирует ответ по своей инструкции и произносит его синтезированным голосом.

В Савви отдельного «голосового продукта» нет. Есть обычный агент, у которого в разделе «Инструкция» переключается вкладка «Голос». При переключении платформа предложит поправить блок стилистики ответов — соглашайтесь, он под звонок и написан.

Как проходит один звонок

1 Клиент говорит Звук с линии телефонии попадает в распознавание речи. Система решает, где речь, а где фоновый шум, и когда реплика закончилась.

2 Реплика уходит в модель Распознанный текст добавляется к инструкции, истории разговора и базе знаний — и модель формирует ответ. Здесь же агент при необходимости вызывает функции: смотрит расписание, создаёт заявку.

3 Ответ произносится Текст уходит в синтез речи выбранным голосом. Скорость, стабильность и выразительность задаются в настройках агента.

4 Разговор завершается По достижении цели, по тишине на линии или по лимиту длительности — эти три границы задаются отдельно.

Вся цепочка проходит между репликами. Отсюда главное правило голоса: всё, что удлиняет обработку, слышно. Длинная инструкция, лишний вызов функции, раздутая выдача из базы знаний — каждое из этого превращается в паузу.

Что настраивается в распознавании и синтезе

Эффективность голосового агента заметно зависит от комбинации настроек распознавания и генерации речи. В руководстве прямо рекомендуется начинать со значений по умолчанию и менять их осторожно, по одному.

Параметр	За что отвечает	Куда крутить
Чувствительность к голосу	порог, после которого звук считается речью	ниже — агент легче слышит тихого клиента, выше — игнорирует шум в машине
Минимальная длительность речи	сколько должен звучать голос, чтобы это была реплика	выше — агент не реагирует на «угу» и кашель
Пауза для завершения речи	сколько тишины нужно, чтобы реплика считалась законченной	короче — агент отвечает быстрее, но чаще перебивает
Завершение при отсутствии	через сколько секунд молчания звонок кладётся	зависит от того, насколько долго клиент может думать
Максимальная длительность звонка	жёсткий потолок разговора в минутах	страховка от бесконечного диалога
Режим голосовой модели	качество против скорости	«Качество» звучит естественнее, «Скорость» чётче диктует номера

Отдельно живут ответ при тишине и таймаут тишины: если клиент замолчал, агент может сам вернуть его в разговор — заготовленной фразой или сгенерированной по инструкции.

Как пишется инструкция для голоса

Стиль прописывать не нужно — короткие реплики, отсутствие списков, паузы через пунктуацию платформа добавляет сама при переходе в режим «Голос». Дублировать эти правила вредно: промпт распухает, ответ замедляется.

Что остаётся вам:

1. Держать промпт компактным. Только то, что нужно для разговора. Никаких правил «на всякий случай»: каждое лишнее правило оплачивается паузой перед ответом.
2. Вынести факты в базу знаний. Прайсы, условия, каталоги — не в инструкцию. В промпте живёт логика разговора, в базе знаний — факты.
3. Писать сценарием, а не сводом правил. Одна цель на этап, один вопрос за реплику, формулировки «сначала… потом… затем…».
4. Заложить ошибки распознавания. Имена, адреса, номера и почту речь передаёт неточно. Пусть агент переспрашивает и проговаривает важные данные для подтверждения.
5. Назвать финал. Чего агент добивается и когда кладёт трубку. Без явного финала разговор тянется до лимита длительности.

Пунктуация в голосовом промпте работает как режиссура: точка — это пауза, вопрос без знака «?» теряет интонацию, а точки между буквами замедляют речь, когда клиент просит продиктовать помедленнее.

Сколько стоит минута

Минута разговора стоит от 15 до 30 ₽ в зависимости от тарифа — это цифра из руководства платформы. Сверху идёт стоимость самой связи у оператора телефонии: её агент не отменяет.

Сравнение с нулём здесь ничего не даёт: считать надо против стоимости пропущенного звонка. Менеджер обрабатывает примерно 450 обращений в месяц при зарплате около 40 000 ₽ — это около 89 ₽ за обращение, оценка по средним ставкам. Разница становится решающей там, где звонков много и они однотипные: подтверждение записи, статус заказа, первичный отбор.

Телефония подключается кнопкой «Подключение телефонии» в агенте, а сама линия заводится через техническую поддержку — на стороне вашей АТС останется направить входящие на агента.

Что показывает аналитика звонков

Отдельная вкладка аналитики показывает статистику звонков за последние 30 дней, не включая сегодня. Самый полезный блок — круговая диаграмма причин завершения разговора.

Причина завершения	Что за ней стоит
Абонент положил трубку	клиент завершил разговор первым
Агент завершил	сценарий отработан до конца
Молчание абонента	клиент перестал отвечать, сработало завершение по тишине
Абонент не ответил	исходящий звонок не подняли
Автоответчик	звонок попал на голосовую почту
Переведён на оператора	сработал перевод на менеджера
Лимит длительности	достигнут потолок разговора из настроек агента

Читается эта диаграмма так. Большая доля «Молчания абонента» означает, что настройки распознавания слишком строгие: агент не слышит клиента и завершает разговор. Рост «Лимита длительности» — что агент не доводит до цели и болтает до потолка. И то и другое правится не в настройках связи, а в инструкции.

С чего начать

Позвоните агенту сами, прежде чем заводить телефонию. У агента есть демо-ссылка: по ней открывается страница демо-звонка с меткой ДЕМО, и поговорить можно прямо в браузере, ограничив длительность полем «Лимит минут звонка».

Слушайте темп: где агент задумывается, где перебивает, где тянет. Смысл ответов проверите вторым заходом. Почти всё, что вы услышите, лечится длиной инструкции и тремя параметрами распознавания — актуальные названия полей и значения по умолчанию лежат в руководстве платформы.

Частые вопросы